Kızılötesi Algılayıcılarla Pozisyondan Baǧımsız Yüzey Tanıma ve Konumlandırma Tayfun Aytaç ve Billur Barshan Elektrik ve Elektronik Mühendisliǧi Bölümü Bilkent Üniversitesi 6533, Bilkent, Ankara taytac,billur @ee.bilkent.edu.tr Özet Bu çalışmada, düşük maliyetli kızılötesi alıcı ve vericiler, farklı özelliklere sahip yüzeylerin konumdan baǧımsız olarak tanınmasında kullanılmaktadır. Bu tip algılayıcılarla elde edilen yeǧinlik ölçümleri yüzeyin konumuna ve özelliklerine analitik olarak kolayca ifade edilemeyecek şekilde baǧlıdır ve bu durum tanıma ve konumlandırma sürecini zorlaştırmaktadır. Açısal yeǧinlik taramalarını kullanan yaklaşımımız çeşitli yüzeyleri konumdan baǧımsız olarak ayırdedebilmektedir. Yüzey tanımlandıktan sonra, konumu da saptanmaktadır. Yöntem deneysel olarak alüminyum yüzey, beyaz badanalı duvar, kahverengi resim kaǧıdı ve beyaz ince köpük ambalaj malzemesi ile doǧrulanmıştır. %87 doǧru ayırdetme oranı elde edilmiş ve yüzeyler sırasıyla 1, cm ve mutlak erim ve açısal konum hatalarıyla konumlandırılmıştır. 1 Giriş Bu çalışma, alıcı ve vericiden oluşan basit bir kızılötesi algılayıcı sisteminin yüzey tanıma ve konumlandırma amacıyla kullanımını incelemekte olup daha önce düzlem, köşe, kenar ve silindir gibi farklı geometriye sahip nesnelerin ayırdedilmesini ve konumlandırılmasını incelediǧimiz çalışmamızı tamamlayıcı niteliktedir [Aytaç ve Barshan ]. Her iki uygulama da, nesnelerin ayırdedilmesinin gerektiǧi akıllı sistem uygulamalarında oldukça önemlidir. Kızılötesi algılayıcılar ucuz, kullanımı ve erişimi kolay aygıtlardır. Yayılan ışık yüzeylerden yansımakta ve alıcıda elde edilen yeǧinlik ölçülmektedir. Ancak, yansıyan sinyal nesnenin yüzeyine ve diǧer özelliklerine baǧlı olduǧundan, tek bir yeǧinlik deǧerine dayanarak güvenilir erim kestiriminde bulunmak mümkün deǧildir. Ayrıca, yüzeyin özellikleri, erimi ve açısal konumu bilinmeden basit yeǧinlik ölçümleri kullanılarak belirlenememektedir. Bu çalışmada, çeşitli yüzeyleri konumdan baǧımsız olarak ayırdeden bir tarama mekanizması ve yöntem ileri sürüyoruz. Yüzey özellikleri tanımlandıktan sonra, konumu da saptanmaktadır. Sonuçlar, uygun işleme yöntemleri kullanıldıǧı takdirde kızılötesi algılayıcılardan çok daha fazla bilgi çıkarılabileceǧini ve bu tür algılayıcıların bilinen yaygın uygulamaları dışında da kullanılabileceǧini göstermektedir. İleri sürdüǧümüz yöntemin doǧruluǧu referans taramalarının sayısını artırarak, yüzey tanıma ve konum kestirme işlemindeki hesaplama yoǧunluǧunu artırmadan ölçeklenebilmektedir.
Kızılötesi algılama ile örüntü tanıma çalışmalarının çoǧu iki boyutlu imgelerde öznitelik ya da nesne çıkarımıyla ilgilidir. Bu sınıfa yüz tanıma [Phillips 1998], otomatik hedef tanıma [Kwon ], hedef izleme [Tsao ], otomatik araç sezimi [Pavlidis ], uzaktan algılama [Tag ], gürültülü arkaplanlarda hedef saptama ve ayırdetme [Jain 1997, Zalevsky ] ve otomatik arazi analizi [Bhanu 1997] gibi çalışmalar girmektedir. Bu çalışmada gerçekleştirilen pozisyondan baǧımsız örüntü tanıma ve konum kestirimi, çoǧunlukla imgeler üzerinde gerçekleştirilen işlemlerden [Yu 1998, Yu 1999], doǧrudan yüzeyin çeşitli imgeleme sistemleriyle elde edilen fotografik imgelerinin deǧil de, dönen bir noktasal algılayıcıdan elde edilen açısal yeǧinlik taramalarının işlenmesi baǧlamında farklıdır. Çalışmada ayırdettiǧimiz ve koordinatlarını belirlemeye çalıştıǧımız nesneler, iki boyutlu imgelerden öte, algılayıcı sistemine göre konumunu kestirmek istediǧimiz uzayda derinliǧi olan yüzeylerdir. Gerçekleştirilen pozisyondan baǧımsız tanıma ve konumlandırma, geleneksel imgelerde uygulanan örüntü tanıma ve konumlandırma işlemlerinden oldukça farklıdır [Casasent 1976, McDonnell 1978, Arsenault 1984, Yu 1989, Gheen 199, Refregier 1991, Gu 199, Lohmann 1996]. Kızılötesi algılayıcılar robotbilim ve otomasyon, süreç kontrolü, uzaktan algılama ve güvenlik sistemlerinde yaygın olarak kullanılmaktadır. Özellikle yakın mesafedeki hedeflerin saptanmasında [Cheung 1989], sayma işlemlerinde [Hand 1998], erim ve derinlik gözetiminde [Wikle 1], zemin algılamada, konum kontrolünde [Butkiewicz 1997], engel saptamada [Lumelsky 1993] ve gezgin robot yöngüdümünde kapı aralıklarında kenarların yerlerinin belirlenmesinde sonar algılayıcılarla birlikte [Flynn 1988] kullanılmıştır. [Novotny 1999] da bilinen bir uzaklıkta konumlanmış düzlemsel hedefin yüzey deǧişkenleri Phong aydınlatma modeliyle [Phong 1975] belirlenerek kızılötesi algılayıcılar yakın mesafeler (5 3 cm) için erim ölçer olarak modellenmiştir. Bu tür algılayıcılarla derinlik bilgisi optik olarak belirlenmiştir [Cuevas 1999, Klysubun, Esteve ]. [Hashimoto ] ise bir odadaki insanların konumlarını belirleyen pasif bir kızılötesi algılayıcı sistemini anlatmaktadır. Kızılötesi algılayıcılar ayrıca farklı atık maddelerin otomatik olarak ayıklanmasında da kullanılmıştır [Scott 1995, Groot ]. Ancak bildiǧimiz kadarıyla, basit kızılötesi algılayıcılar bugüne kadar çeşitli yüzeyleri eş zamanlı olarak ayırdetmede ve konumlarını kestirmede kullanılmamıştır. Bu bildiride, uygun işleme ve örüntü tanıma tekniklerinin kullanılmasıyla, bu amaçların gerçekleşmesinin mümkün olduǧu gösterilmiştir. Bildiri, şu şekilde düzenlenmiştir: Bölüm de, ayırdetme ve konumlandırma süreci anlatılmaktadır. Bölüm.1 ve. de öne sürülen iki farklı yaklaşım sunulmuştur. Bölüm.3 te ise doyuma ulaşmış taramaların nasıl işlendiǧi anlatılmıştır. İleri sürülen yöntemler Bölüm 3 de deneysel olarak doǧrulanmıştır. En son bölümde ise sonuçlar özetlenmiş ve çalışmanın devamı niteliǧindeki araştırmalar için motivasyon saǧlanmıştır. yuzey doner platform kizilotesi algilayici α r bakis dogrultusu Şekil 1: Deney düzeneğinin üstten görünüşü. Alıcı ve verici pencereleri 8 mm çapında olup merkez aralıkları 1 mm olan dairelerdir. ( Verici alıcının üstündedir.) Hem tarama açısı hemde yüzeyin konum açısı yatay eksenden saatin tersi yönünde ölçülmektedir.
Yüzey Tanıma ve Konum Kestirimi Çalışmada kullanılan kızılötesi algılayıcı [Matrix Elektronik 1995] bir alıcı-verici ünitesinden oluşmakta, 8 V DC giriş gerilimiyle çalışmakta ve ölçümün yeǧinliǧiyle orantılı analog gerilim çıktısı saǧlamaktadır. Alıcı penceresi ortam aydınlatmasının yeǧinlik ölçümlerine etkisini en aza indirmek için kızılötesi süzgeç ile kaplanmıştır. Verici kısmı kapatıldıǧında, alıcı sıfır deǧerini göstermektedir. Aygıtın duyarlılıǧı sistemin çalışma erimini belirlemek için deǧişken dirençle ayarlanabilmektedir. Çalışmada, alüminyum yüzey, beyaz badanalı duvar, kahverengi resim kaǧıdı ve beyaz ince köpük ambalaj malzemesi kullanılmıştır. Yöntemimiz her yüzeyin belli bir açı aralıǧında taranmasına dayanmaktadır. Kızılötesi algılayıcı yüzeylerden açısal taramalar elde etmek için 15, cm yarıçapında döner bir platform [Arrick Robotics ] üzerine, yerleştirildi (Şekil 1). Her yüzey türü için, yüzey açısal konumunda iken,,5 cm aralıklarla, 1,5 cm den 57,5 cm ye kadar referans veri taramaları kaydedildi. Yeǧinlik sinyalleri 1 s zamanlı 8-bit A/D çevirici çip tarafından işlendi. Dört farklı yüzey için elde edilen referans taramaları Şekil de verilmektedir. Yeǧinlik taramaları dan baǧımsız fakat ye baǧlıdır; yani deki deǧişimler sadece basit bir ölçeklemeye neden olmamaktadır. Daha sonra görüleceǧi gibi, bu taramalar çeşitli yüzeyleri oldukça doǧru olarak ayırdetmek ve konumlarını kestirmek için yeterli bilgiyi içermektedirler. Ayrıca, yansıyan sinyaller yaklaşık olarak 1,7 V a karşılık gelen gerilim deǧerinde doyuma ulaşmaktadır. 1 1 1 1 YEGINLIK (V) 8 6 4 YEGINLIK (V) 8 6 4 9 75 6 45 3 15 15 3 45 6 75 9 TARAMA AÇISI (derece) 9 75 6 45 3 15 15 3 45 6 75 9 TARAMA AÇISI (derece) (a) alüminyum (b) beyaz duvar 1 1 1 1 YEGINLIK (V) 8 6 4 YEGINLIK (V) 8 6 4 9 75 6 45 3 15 15 3 45 6 75 9 TARAMA AÇISI (derece) 9 75 6 45 3 15 15 3 45 6 75 9 TARAMA AÇISI (derece) (c) kahverengi kağıt (d) beyaz köpük Şekil : Farklı uzaklıklara konumlanmış çeşitli yüzeyler için yeğinlik taramaları.
' ' ' Yeǧinlik taraması kaydedilen yüzeylerin türü ve konumu şu şekilde belirlenmektedir: İlk önce kaydedilen tarama nın, doyuma ulaşıp ulaşmadıǧı kontrol edilmektedir. Bu durum daha sonra Bölüm.3 de ayrıca ele alınacaktır. Yüzeyin türünü belirlemek için Şekil deki ilgili eǧriyle doǧrudan karşılaştırma, yüzeyin erimi bilinmediǧinden mümkün olmamaktadır ve tüm eǧrilerle her uzaklık için karşılaştırma yapmak da çok fazla işlem gerektirecektir. Bu nedenle, Şekil deki örüntülerin erime tekdüze bir baǧımlılık gösterme özelliǧini kullandık. Ayrıca, gözlenen örüntü, referans taramalarıyla karşılaştırıldıǧında, Bölüm.1 ve. de tanımlanan fark ölçütlerine göre, tek bir en küçük deǧer etrafında tekdüze bir artış veya azalış göstermektedir. Bu yüzden tüm referans taramalarını dikkate almaktansa, merkez deǧerleri gözlenen örüntünün merkez deǧerine en yakın olan dört referans tarama örüntüsüyle (her yüzey türü için bir tane) karşılaştırarak doǧruluktan ödün vermeden işlem sayısını azaltmış olduk. Bu yaklaşım, hesaplama maliyetini artırmadan, sistemin doǧruluǧunu artırmayı mümkün kılmaktadır. Deneme olarak, gözlenen örüntünün merkez deǧerinin altında ve üstünde kendisine en yakın merkez deǧerlerine sahip referans yeǧinlik taramalarıyla ve mevcut tüm referans yeǧinlik taramalarıyla da karşılaştırmalar yapılmıştır. Daha çok işlem gerektiren bu denemeler tek bir dörtlü tarama ile elde edilen sonuçları iyileştirmemiştir. Üstelik, Bölüm. de tartışılan uyumlu süzgeç kullanılmasında sonuçlar dört tarama seçilmesi durumunda iyileşmektedir. Bunun nedeni tarama sayısını baştan sınırlandırarak küçük bir olasılıkla da olsa gürültü ve diǧer nedenlerden kaynaklanan hatalı eşlemelerin baştan elenmesidir. Dörtlü karşılaştırmayı yapmada iki alternatif yaklaşım benimsenmiştir. Bunlar aşaǧıda iki alt başlıkta tartışılmaktadır. 1 1 8 YEGINLIK (V) 6 4 alüminyum beyaz duvar kahverengi kagit beyaz köpük 1 15 5 3 35 4 45 5 55 6 UZAKLIK (cm) Şekil 3: Çeşitli yüzeyler için merkezi yeğinlik değerinin uzaklığa göre değişimi..1 En Küçük Kareler Yaklaşımı İlk önce yüzeyin açısal konumu saptanmaktadır; Gözlenen örüntünün doyuma ulaşmadıǧını varsayarak, en büyük yeǧinlik deǧerini ve ona karşılık gelen açıyı hesaplıyoruz. Bu açısal deǧer,, doǧrudan yüzeyin açısal konum kestirimi olarak alınabilir. Alternatif olarak, örüntülerin aǧırlık merkezi aşaǧıdaki gibi bulunarak da hedefin açısal konumu kestirilebilir:! " $#&%')(* # %')(* Örüntülerin simetrik olduǧu göz önünde bulundurulursa, ideal koşullarda örüntünün en büyük deǧeri ile aǧırlık merkezindeki deǧerinin çakışması beklense de uygulamada arada küçük farklar olmaktadır. Biz sonuçları her iki durum için de tablo halinde vereceǧiz. Buradan itibaren, her iki açısal kestirimi de örüntünün merkez açısı olarak tanımlıyoruz. + + (1)
. T # J 1... '. Her, örüntü için merkez açısındaki yeǧinlik deǧerinin uzaklıǧa göre deǧişimi yöntemimizde önemli bir rol oynamaktadır. Şekil 3 de bu eǧriler en büyük yeǧinlik deǧerine göre verilmektedir. En küçük kareler yaklaşımında, gözlenen örüntünün merkezi, dört referans taramasınınki ile çakıştırılarak aralarındaki farkların karelerinin toplamı karşılaştırılmaktadır. Karesi alınmış farklar, bire yakın olan çarpanlara bile duyarlı olduǧundan gözlenen örüntünün merkez deǧerinin aşaǧısında ve yukarısında en yakın iki referans taraması arasında doǧrusal aradeǧerleme uygulanarak elde edilen referans taramaları kullanılmıştır. Gözlenen örüntü ile herbir referans taraması arasındaki kareler farkı toplamı aşaǧıdaki gibi bulunmaktadır: -/. 1 % + 54768:956; <>= () '3 ')(* Burada @?A B/;CDFE dört referans taramasını, G4H68:956 ise her iki örüntüyü de aynı doǧrultuya getirmek için kullanılan açısal kayma deǧerini göstermektedir. En küçük - deǧerine karşılık gelen yüzey, gözlenen yüzey türü olarak kabul edilmektedir. Yüzey türü belirlendikten sonra, doǧrusal aradeǧerleme kullanılarak hedefin erimi saptanmaktadır. Böylece yöntemin doǧruluǧu referans taramalarının kaydedildiǧi,5 cm aralıklarla sınırlanmamaktadır.. Uyumlu Süzgeç Yaklaşımı İkinci bir alternatif olarak, gözlenen örüntüyü ve referans taramalarını karşılaştırmak için uyumlu süzgeç yöntemi [Goodman 1996] kullanılmıştır. Uyumlu süzgecin dürtü tepkisi I5 KJ, süzgeç çıkışı gözlenen örüntüyle? inci referans tarama arasındaki çapraz-ilintiye eşit olacak şekilde KJ ya eşitlenmiştir. Her referans taraması toplam enerjisinin kareköküyle normalize edilmiştir. Gözlenen örüntü ile normalize edilmiş dört tarama arasındaki çapraz-ilinti aşaǧıdaki gibi elde edilmiştir: L. J +5JO +5JQPSR> +MN$# (3) +5J U< = En büyük çapraz-ilinti deǧerine karşı gelen yüzey türü, gözlenen yüzeyin türü olarak alınmakta ve bu en büyük deǧerin gerçekleştiǧi açı, yüzeyin konum açısı olarak kabul edilmektedir. Yüzeyin erimi Şekil 3 te açı kestiriminin yapıldıǧı yeǧinlik deǧerinde doǧrusal aradeǧerleme yapılarak bulunmaktadır..3 Doyuma Ulaşmış Taramalar Gözlenen örüntünün doyuma ulaştıǧı durumda, en küçük kareler yaklaşımında, kaydırılmış gözlenen örüntü ile tüm doyuma ulaşmış referans taramaları arasındaki kareler farkı toplamı Denklem () deki gibi hesaplanarak, en küçük toplam kareler farkı yüzey türünün belirlenmesinde kullanılmaktadır. Yüzeyin erimi en küçük kareler farkını veren taramanınkine eşit alınmıştır. Benzer bir şekilde, uyumlu süzgeç için, gözlenen örüntü ile kaydedilmiş bütün doyuma ulaşmış referans taramaları a- rasındaki çapraz-ilinti hesaplanmış, en yüksek çapraz-ilintiyi veren yüzey, doǧru yüzey türü olarak seçilmiştir. Erim saptaması yine en iyi eşlenen yüzeyinki olarak, konum açısı ise en büyük çaprazilinti deǧerinin gerçekleştiǧi açı olarak alınmıştır. Doyum durumunda doǧrusal aradeǧerleme mümkün olmadıǧından, erim kestiriminin doǧruluǧu referans taramalarının elde edildiǧi,5 cm aralıǧıyla sınırlıdır. Sinyalin doyuma ulaşmadıǧı durumlarda ise, Şekil 3 den doǧrusal aradeǧerlemeyle gerçekleştirilen erim kestiriminin hassasiyetinin,5 cm ile sınırlı olmadıǧını tekrar vurgulamak isteriz.
3 Deneysel Çalışmalar Bu bölümde, deneysel çalışmaların sonuçları sunulmaktadır. Her bir yüzeyi V 1,5 cm den 57,5 cm e ve W EYX den EYX ye kadar olan alan içinde rasgele belirlenmiş 5 noktaya yerleştirerek toplam 1 adet test taraması elde edilmiştir. En küçük karelere dayalı yüzey ayırdetme sonuçları Tablo 1 ve de verilmiştir. Tablo 1, en büyük yeǧinlik deǧerini kullanarak elde edilen sonuçları vermektedir. Tablo ise bu sonuçları aǧırlık merkezindeki yeǧinlik deǧerine göre göstermektedir. Bütün yüzey türleri için ortalama doǧruluk, yüzey ayırdetme tablosunda köşegen üzerindeki doǧru kararların toplamını toplam deneme sayısına (1) bölerek bulunmaktadır. En büyük yeǧinlik deǧerine ve aǧırlık merkezine göre doǧru ayırdetme oranları sırasıyla %83 ve %8 dir. Uyumlu süzgeç kullanılarak elde edilen sonuçlar Tablo 3 de verilmiştir. Bütün yüzey türleri için doǧru ayırdetme oranı, en küçük kareler yaklaşımından daha iyi olup, %87 dir. [Aytaç ve Barshan ] de, buradaki gibi farklı yüzeylerin deǧil de, farklı geometriye sahip hedeflerin ayırdedilmesi ve konumlarının kestirimini incelediǧimiz çalışmamızda, en küçük kareler yaklaşımı %93 ve %89, uyumlu süzgeç yaklaşımı ise %97 doǧru ayırdetme oranını vermiştir. Bu sonuçlara göre, farklı yüzeylere sahip hedeflerin ayırımının farklı geometrilere sahip hedeflerin ayırımına göre biraz daha zor olduǧu çıkarımında bulunabiliriz. (Tablolarda AL: alüminyum, BD: beyaz duvar, KK: kahverengi resim kaǧıdı ve BK: beyaz ince köpük ambalaj malzemesi için kullanılmıştır). Tablo 1: Yüzey ayırdetme dizeyi: en küçük karelere dayalı ayırdetme (en büyük yeğinlik değeri). yüzey ayırdetme sonuçları toplam AL BD KK BK AL 5 5 BD 3 5 KK 19 4 5 BK 6 19 5 toplam 5 8 5 1 Tablo : Yüzey ayırdetme dizeyi: en küçük karelere dayalı ayırdetme (ağırlık merkezi). yüzey ayırdetme sonuçları toplam AL BD KK BK AL 5 5 BD 3 5 KK 4 18 3 5 BK 6 19 5 toplam 5 4 7 4 1 Tablo 3: Yüzey ayırdetme dizeyi: uyumlu süzgece dayalı ayırdetme. yüzey ayırdetme sonuçları toplam AL BD KK BK AL 5 5 BD 1 3 1 5 KK 1 1 3 5 BK 5 5 toplam 5 9 4 1 Tablo 4: Mutlak erim ve açısal konum kestirim hataları. yöntem AL BD KK BK ort. hata en küçük kareler Z (cm).4 1.3.9.9 1.4 (en büyük) [ (derece).8 1.9 1.6.8 1.3 en küçük kareler Z (cm).4 1.3 1.3.9 1.5 (ağırlık merkezi) [ (derece).8 1. 1.6.8 1.1 uyumlu süzgeç Z (cm) 1.7 1. 1..8 1. [ (derece).8 1.1 1.6.7 1. Tablolarda görüldüǧü üzere, alüminyum yüzey uygulanan yöntemden baǧımsız olarak, farklı karakteristiǧinden dolayı her zaman doǧru olarak ayırdedilmiştir. Geri kalan yüzeyler doǧru ayırdetme yüzdeleri açısından karşılaştırılabilirdir. Yanlış ayırdedilen yüzeylerin çoǧu yansıyan sinyalin doyuma ulaştıǧı yakın uzaklıklarda konumlanmıştır. Bu da çalışma aralıǧının azaltılması pahasına, erim aralıǧının alt sınırı arttırılarak yanlış ayırdetme oranının azaltılabileceǧini göstermektedir. Farklı yaklaşımlar için, ortalama mutlak erim ve açısal konum kestirim hataları Tablo 4 de bütün yüzeyler için verilmiştir. Tablodan da görüldüǧü gibi, en küçük kareler yönteminin en büyük yeǧinlik
ve aǧırlık merkezi deǧerine dayalı varyasyonları yüzey erimlerini sırasıyla 1,4 cm ve 1,5 cm ortalama mutlak hatayla kestirmektedir. Uyumlu süzgeçle mutlak ortalama erim kestirimi hatası en küçük kareler yaklaşımındaki erim hatasından daha iyi olup 1, cm dir. Erim hatalarına en büyük katkı, hatalı olarak ayırdedilen yüzeylerden gelmektedir. Sadece doǧru ayırdedilen yüzeylerin erim hatalarının ortalaması alındıǧında, en küçük kareler yönteminin en büyük yeǧinlik ve aǧırlık merkez deǧerine dayalı yaklaşımları, ve uyumlu süzgeç yaklaşımları için ortalama mutlak erim hataları sırasıyla 1, cm, 1,1 cm ve 1, cm olmaktadır. Bu üç sayı Tablo 4 deki karşılıkları ile karşılaştırılabilir olduǧundan, uyumlu süzgeç yaklaşımının üstün erim kestirim özelliǧinin yüksek doǧru ayırdetme oranının bir sonucu olduǧu söylenebilir. Erim hatalarına en büyük katkı, Şekil 3 ü kullanarak doǧrusal aradeǧerlemenin mümkün olmadıǧı doyuma ulaşmış taramalardan kaynaklanmaktadır. Bunun sonucu olarak, çalışma aralıǧının büyük kısmının doyumda olduǧu yüzeylerin erim kestirim hataları (alüminyum en yüksek olmak üzere) daha yüksek çıkmaktadır. Açısal konum kestiriminde ise, uyumlu süzgeç ortalama mutlak B/ açısal hatayla en küçük kareler yönteminden üstündür. Sadece doǧru ayırdedilen yüzeyler dikkate alındıǧında, ortalama açısal konum hataları anlamlı farklar göstermemektedir çünkü açısal konum kestirimi ayırdetmeden baǧımsız olarak gerçekleştirilmektedir. Aǧırlık merkezi kullanıldıǧında ise yeǧinlik sinyallerindeki gürültülerin etkisi azaldıǧından, ortalama olarak en büyük yeǧinlik deǧeri yaklaşımına göre daha iyi açısal konum kestirimi elde edilmektedir. Performanstaki deǧişimi incelemek amacıyla sistemin çalışma erim aralıǧını genişletmeyi de düşündük. Örnek olarak çalışma aralıǧının [1.5 cm, 57.5 cm] den [5 cm, 6 cm] ye genişletilmesi doǧru ayırdetme yüzdesinin 87% den 8% e düşmesine neden olmuştur. Bu performans kaybı büyük ölçüde doyuma ulaşmış ve yansıma sinyalinin oldukça zayıf olduǧu, büyük hatalara neden olabilecek taramalardan kaynaklanmaktadır. Yüzeylerden yansıyan ışık hem aynasal hem de daǧınık yansıma bileşenlerine sahiptir. Aynasal yansıma, yansıma açısının gelme açısına eşit olduǧu doǧrultuda yoǧunlaşmıştır; daǧınık yansıma ise gelme açısının kosinüsüne baǧlı olarak çeşitli yönlere daǧılmıştır. Erim kestiriminde katkısı olan yansıyan sinyalin daǧınık olan parçasıdır. Çeşitli yüzeyler için aynasal ve daǧınık yansımalarının katkısı ve yeǧinliǧin tarama açısı ya göre azalma oranı farklıdır. Buna karşın sadece yansıyan sinyale dayalı bir sistemin uzak erimlerde çok yansıtıcı olan yüzeyler ve daha az yansıtıcı olan yüzeyler arasında ayırdetmeyi gerçekleştirmesi mümkün olmamaktadır. İleri sürülen yöntemle, u- zakta konumlanmış ender de olsa ya benzer bir baǧımlılık gösteren yeǧinlik taramalarına sahip yüzeylerin güvenilir şekilde ayırdedilmesi mümkün olmamaktadır. 4 Sonuç Bu çalışmada dört farklı yüzeyin basit kızılötesi algılayıcılarla ayırdedilmesi ve konum kestirimi gerçekleştirilmiştir. Yüzey ayırdetme, erim ve açısal konum kestirimi açısından farklı yaklaşımlar karşılaştırılmıştır. İleri sürülen yöntem, çeşitli yüzeylerden oluşan bilinmeyen ortamların gözetiminin gerektiǧi gezgin robot uygulamalarında veya çeşitli maddelerin tanımlanıp ayırdedilmesinin gerektiǧi endüstriyel uygulamalarda kullanılabilir. Bu çalışmanın en önemli katkısı, yeǧinlik örüntülerinin esasen yüzeyin pozisyonuna ve özelliklerine baǧlı olmasına ve bu ilişki analitik olarak kolayca ifade edilememesine raǧmen, pozisyondan baǧımsız olarak yüzey ayırdetmeyi gerçekleştirmiş olmasıdır. Ortalama %87 doǧru ayırdetme oranı, ve 1, cm ve B/ ortalama mutlak erim ve açısal konum hatalarıyla yüzeylerin konum kestirimi
gerc, ekleştirilmiştir. İleri sürdüǧümüz yöntem referans tarama sayısını artırarak işlem yoǧunluǧunu artırmadan doǧruluǧun artırılabilmesi açısından ölçeklenebilirdir. Daha önceki çalışmamızda [Aytaç ve Barshan ], bu bildirideki farklı yüzeylerin aksine, düzlem, köşe, kenar ve silindir gibi farklı geometriye sahip nesnelerin ayırdedilmesi ve konumlandırmasını incelemiş, ortalama %97 doǧru ayırdetme oranı gerçekleştirmiştik. Bu oranı, çalışmada başarılan %87 doǧru ayırdetme oranıyla karşılaştırdıǧımızda, yüzeylerin daǧınık/aynasal yansıma karakteristiklerinin geometrik yansıma karakteristikleri kadar ayırdedici olmadıǧı sonucuna vardık. Şu anki çalışmamız, hedefin konumu bilinmeden, yeǧinlik taramasına dayanarak hedefin yüzey özelliklerinin yanı sıra geometrisinin de çıkarılması üzerinde yoǧunlaşmaktadır. Ön sonuçlar bu bildiride ileri sürülen yöntemlerin biraz deǧişiklikle veya olduǧu gibi belli bir geometri ve yüzeyin birleşimini genelleştirilmiş bir hedef türü olarak deǧerlendirerek bu duruma da uygulanabileceǧini göstermektedir [Aytaç ]. Kaynakça [1] Arrick Robotics, P.O. Box 1574, Hurst, Teksas, 7653, URL: www.robotics.com/rt1.html, RT- 1 Rotary Positioning Table,. [] Arsenault H. H., Hsu Y. N., ve Chalasinska-Macukow K., Rotation-invariant pattern recognition, Optical Engineering, 3(6), s. 75 79, 1984. [3] Aytaç T., Differentiation and localization using infrared sensors, Yüksek Lisans Tezi, Bilkent Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü, Ankara,. [4] Aytaç T. ve Barshan B., Differentiation and localization of targets using infrared sensors, Optics Communications, 1(1-), s. 5-35,. [5] Bhanu B., Symosek P., ve Das S., Analysis of terrain using multispectral images, Pattern Recognition, 3(), s. 197 15, 1997. [6] Butkiewicz B., Position control system with fuzzy microprocessor AL, Lecture Notes in Computer Science, 16(74-81), 1997. [7] Casasent D. ve Psaltis D., Scale invariant optical correlation using Mellin transforms, Optics Communications, 17(1), s. 59 63, 1976. [8] Cheung E. ve Lumelsky V. J., Proximity sensing in robot manipulator motion planning: system and implementation issues, IEEE Transactions on Robotics and Automation, 5(6), s. 74 751, 1989. [9] Cuevas F. J., Servin M., ve Rodriguez-Vera R., Depth object recovery using radial basis functions, Optics Communications, 163(4-6), s. 7 77, 1999. [1] Esteve-Taboada J. J., Refregier P., Garcia J., ve Ferreira C., Target localization in the threedimensional space by wavelength mixing, Optics Communications, (1-3), s. 69 79,. [11] Flynn A. M., Combining sonar and infrared sensors for mobile robot navigation, International Journal of Robotics Research, 7(6), s. 5 14, 1988. [1] Gheen G., Design considerations for low-clutter, distortion invariant correlation filters, Optical Engineering, 9(9), s. 19 13, 199.
[13] \ Goodman J. W., Introduction to Fourier Optics, New York: McGraw-Hill,. baskı, 1996, s. 46 49. [14] Groot P. J. de, Postma G. J., Melssen W. J., ve Buydens L. M. C., Validation of remote, on-line, near-infrared measurements for the classification of demolition waste, Analytica Chimica Acta, 453(1), s. 117 14,. [15] Gu C., Hong J., ve Campbell S., -D shift invariant volume holographic correlator, Optics Communications, 88(4-6), s. 39 314, 199. [16] Hand A. J., Infrared sensor counts insects, Photonics Spectra, 3(11), s. 3 31, 1998. [17] Hashimoto K., Tsuruta T., Morinaka K., ve Yoshiike N., High performance human information sensor, Sensors and Actuators A Physical, 79(1), s. 46 5,. [18] Jain A. K., Ratha N. K., ve Lakshmanan S., Object detection using Gabor filters, Pattern Recognition, 3(), s. 95 39, 1997. [19] Klysubun P., Indebetouw G., Kim T., ve Poon T. C., Accuracy of three-dimensional remote target location using scanning holographic correlation, Optics Communications, 184(5-6), s. 357 366,. [] Kwon L., Der S. Z., ve Nasrabadi N. M., Adaptive multisensor target detection using featurebased fusion, Optical Engineering, 41(1), s. 69 8,. [1] Lohmann A., Zalevsky Z., ve Mendlovic D., Synthesis of pattern recognition filters for fractional Fourier processing, Optics Communications, 18(4-6), s. 199 4, 1996. [] Lumelsky V.J. ve Cheung E., Real-time collision avoidance in teleoperated whole-sensitive robot arm manipulators, IEEE Transactions on Systems Man and Cybernetics, 3(1), s. 194 3, 1993. [3] Matrix Elektronik, AG, Kirchweg 4 CH-54 Oberehrendingen, İsviçre, IRS-U-4A Proximity Switch Datasheet, 1995. [4] McDonnell M., Clarification on use of Mellin transform in optical pattern recognition, Optics Communications, 5(3), s. 3 3, 1978. [5] Novotny P. M. ve Ferrier N. J., Using infrared sensors and the Phong illumination model to measure distances, Proceedings of IEEE International Conference on Robotics and Automation, s. 1644 1649, Detroit, MI, 1 15 Mayıs 1999. [6] Pavlidis I., Symosek P., Fritz B., Bazakos M., ve Papanikolopoulos N., Automatic detection of vehicle occupants: the imaging problem and its solution, Machine Vision and Applications, 11(6), s. 313 3,. [7] Phillips P. J., Matching pursuit filters applied to face identification, IEEE Transactions on Image Processing, 7(8), s. 115 1164, 1998. [8] Phong B. T., Illumination for computer generated pictures, Communications of the ACM, 18(6), s. 311 317, 1975. [9] Refregier P., Optical pattern recognition optimal trade-off circular harmonic filters, Optics Communications, 86(), s. 113 118, 1 November 1991.
[3] ] Scott D. M., A -color near-infrared sensor for sorting recycled plastic waste, Measurement Science and Technology, 6(), s. 156 159, 1995. [31] Tag P. M., Bankert R. L., ve Brody L. R., An AVHRR multiple cloud-type classification package, Journal of Applied Meteorology, 39(), s. 15 134,. [3] Tsao T. ve Wen Z. Q., Image-based target tracking through rapid sensor orientation change, Optical Engineering, 41(3), s. 697 73,. [33] Wikle H. C., Kottilingam S., Zee R. H., ve Chin B. A., Infrared sensing techniques for penetration depth control of the submerged arc welding process, Journal of Materials Processing Technology, 113(1-3), s. 8 33, 1. [34] Yu F. T. S. ve Jutamulia S., ed., Optical Pattern Recognition, Cambridge: Cambridge University Press, 1998. [35] Yu F. T. S., Li X., Tam E., Jutamulia S., ve Gregory D. A., Rotation invariant pattern recognition with a programmable joint transform correlator, Applied Optics, 8(), s. 475 477, 1989. [36] Yu F. T. S. ve Yin S., ed., Selected Papers on Optical Pattern Recognition, MS(156) of SPIE Milestone Series, Bellingham, Washington: SPIE Optical Engineering Press, 1999. [37] Zalevsky Z., Mendlovic D., Rivlin E., ve Rotman S., Contrasted statistical processing algorithm for obtaining improved target detection performances in infrared cluttered environment, Optical Engineering, 39(1), s. 69 617,.